可解释的多处理收益 uplift 建模

大数据与商业分析是商业与社会转型的关键驱动力。uplift模型通过预测由于某种处理引起的客户行为变化来支持企业决策。先前工作考察了单一处理与二元客户响应的模型。本文通过开发针对多处理与连续结果变量的uplift模型扩展了相应方法。这有助于从一组备选方案中选取最优处理，并以连续尺度的商业结果形式估计处理效应。另一贡献来自对uplift模型可解释性的评估，而先前研究几乎仅关注预测性能。为实现这些目标，本文基于近期引入的因果机器学习算法——因果森林，开发了针对多处理的收益uplift模型。使用两个真实世界营销数据集的实证实验证明了所提建模方法相对于基准与标准营销实践的优势。